[发明专利]基于判别分析的快速道路实时交通事故风险预测方法

摘要

基于判别分析的快速道路实时交通事故风险预测方法，对检测区域建立快速道路事故风险判别模型，将实时交通流特征参数代入快速道路事故风险判别模型，判断是否有发生交通事故的风险。本发明方法利用快速道路交通检测设备获取的实时交通流特征参数对交通事故进行实时预测，并且具有较好的预测精度，克服了现有技术利用集计统计量分析交通安全存在的技术缺陷与不足，本方法在判别快速道路交通事故的风险性，预测交通事故发生方面具有实际的工程运用价值。

主权项

1.基于判别分析的快速道路实时交通事故风险预测方法，其特征是对检测区域建立快速道路事故风险判别模型，通道快速道路事故风险判别模型为检测区域的实时交通流特征参数与交通事故风险的关系模型，将实时交通流特征参数代入快速道路事故风险判别模型，根据快速道路事故风险判别模型输出结果预测快速道路检测区域的交通状态，由此预测是否有发生交通事故的风险，所述实时交通流特征参数包括检测区域上下游两个检测点的交通流量、占有率和车辆速度的平均值以及标准值，两个检测点相距800米，检测器每隔30秒读取一次交通流量、占有率和车辆速度，并每5分钟计算它们的平均值和标准差，快速道路事故风险判别模型为：设有2个p维总体：G₁，G₂，分别代表事故样本总体和非事故样本总体，从各个总体中抽取样本数分别为n₁，n₂，得到事故组和非事故组，X＝(x₁，...，x₁₂)表示交通流特征参数，x₁，...，x₆分别为上游检测点交通流量、占有率和速度的平均值以及标准差，x₇，...，x₁₂分别为下游检测点交通流量、占有率和速度的平均值以及标准差，Y为判别函数计算出来的判别值，其中y⁽¹⁾为事故组对应的判别值，y⁽²⁾为非事故组对应的判别值，判别分析的建模步骤包括：(1)、设判别式为y＝c₁x₁+c₂x₂+c₃x₃+…+c₁₂x₁₂，c₁……c₁₂为判别系数，将属于事故组和非事故组观测值代入判别式中，得到事故组：yi(1)=c1xi1(1)+c2xi2(1)+c3xi3(1)+...+cpxip(1),i=1,2,...,n1---(1)]]>非事故组：yj(2)=c1xj1(2)+c2xj2(2)+c3xj3(2)+...+cpxjp(2),j=1,2,...,n2---(2)]]>(2)、分别计算事故组和非事故组y期望值事故组：y(1)‾=1n1Σi=1n1yi(1)---(3)]]>非事故组：y(2)‾=1n2Σj=1n2yj(2)---(4)]]>(3)、计算事故组和非事故组的组间差Q与组内差F组间差：Q=Q(c1,c2,...,cP)=(y(1)‾-y(2)‾)2---(5)]]>组内差F=(c1,c2,...,cP)=Σi=1n1(yi(1)-y(1)‾)2+Σj=1n2(yj(2)-y(2)‾)2---(6)]]>(4)、求判别效率表达式I=QF=(y(1)‾-y(2)‾)2Σi=1n1(yi(1)-y(1)‾)2+Σj=1n2(yj(2)-y(2)‾)2---(7)]]>(5)、选取系数向量C，使得判别效率表达式(7)达到最大值：将函数I两边取对数，并令：∂lnI∂ck=∂lnQ∂ck-∂lnF∂ck=0,k=1,2,...,p---(8)]]>求解上式得到：Σl=1pclskl=dk---(9)]]>其中：skl=Σi=1n1(xik(1)-xk(1)‾)(xil(1)-xl(l))+Σj=1n2(xjk(2)-xk(2)‾)(xjl(2)-xl(2)‾)---(10)]]>dk=xk(1)‾-xk(2)‾---(11)]]>(6)、求解方程式(8)得到判别函数系数：c1c2...cp=s11s12...s1ps21s22...s2p............sp1sp2...spp-1d1d2...dpp---(12)]]>(7)、确定判别临界值y₀：y0=n1y(1)‾+n2y(2)‾n1+n2]]>根据当前实时采集的交通信息预测检测路段是否安全，如果上述模型建立过程中得到则判别准则为：将当前采集的交通流特征参数X＝(x₁，...，x₁₂)′代入判别函数，计算得到的判别值记为y，若y＞y₀，则判定X∈G₁，即预测检测路段有发生交通事故的可能性；若y＜y₀，则判定X∈G₂，即预测检测路段交通流状态较为安全；反之，如果上述模型建立过程中得到则判别准则为：将当前采集的交通流特征参数X＝(x₁，...，x₁₂)′代入判别函数，计算得到的判别值记为y，若y＞y₀，则判定X∈G₂，即表明检测路段交通流状态较为安全；若y＜y₀，则判定X∈G₁，即预测检测路段有发生交通事故的可能性。